[논문 리뷰] Measuring Distance between Reeb Graphs

Ulrich Bauer, Xiaoyin Ge외 1명|arXiv (Cornell University)|2013. 07. 10.

Topological and Geometric Data Analysis참고 문헌 48인용 수 7

한 줄 요약

이 논문은 입력 함수의 미소 변화에 대해 안정성을 보장하면서도 분별력을 유지하는 Reeb 그래프를 위한 새로운 거리인 기능적 왜곡 거리(FDD)를 소개한다. 주요 결과는 FDD가 일반 및 확장된 영구적 진단도의 빔포인트 거리보다 아래로 유계임을 보여주며, 이는 단순화 후에도 영구적 위상적 특징이 탐지 가능하다는 것을 보장한다.

ABSTRACT

One of the prevailing ideas in geometric and topological data analysis is to provide descriptors that encode useful information about hidden objects from observed data. The Reeb graph is one such descriptor for a given scalar function. The Reeb graph provides a simple yet meaningful abstraction of the input domain, and can also be computed efficiently. Given the popularity of the Reeb graph in applications, it is important to understand its stability and robustness with respect to changes in the input function, as well as to be able to compare the Reeb graphs resulting from different functions. In this paper, we propose a metric for Reeb graphs, called the functional distortion distance. Under this distance measure, the Reeb graph is stable against small changes of input functions. At the same time, it remains discriminative at differentiating input functions. In particular, the main result is that the functional distortion distance between two Reeb graphs is bounded from below by (and thus more discriminative than) the bottleneck distance between both the ordinary and extended persistence diagrams for appropriate dimensions. As an application of our results, we analyze a natural simplification scheme for Reeb graphs, and show that persistent features in Reeb graph remains persistent under simplification. Understanding the stability of important features of the Reeb graph under simplification is an interesting problem on its own right, and critical to the practical usage of Reeb graphs.

연구 동기 및 목표

• 입력 함수의 미소 변화에 대해 안정적인 강력한 Reeb 그래프 거리 측정법을 정의하는 것.
• 표준 영구적 진단도가 실패할 때조차도 서로 다른 스칼라 장을 분별할 수 있도록 거리가 유지되도록 보장하는 것.
• 기능적 왜곡 거리와 영구적 진단도, 특히 빔포인트 거리 사이의 이론적 경계를 설정하는 것.
• 자연스러운 Reeb 그래프 단순화 전략 하에서 영구적 특징의 안정성을 분석하는 것.
• 기존 거리 척도인 Gromov-Hausdorff 거리 및 통합 거리와의 연결을 통해 Reeb 그래프의 기능적 왜곡 거리를 연결하는 것.

제안 방법

• Gromov-Hausdorff 거리에서 영감을 얻은 기능적 왜곡 거리(FDD)를 제안하여, 함수와 경로를 통한 Reeb 그래프 간의 왜곡을 측정하는 거리로 정의한다.
• 모든 대응에 대해 최대 왜곡의 하한을 취하는 방식으로 기능적 왜곡 거리를 정의하며, 이는 대응되는 점들 간의 함수 값과 경로 높이의 왜곡을 포함한다.
• 경로 끌올리기와 높이 비교 기법을 사용하여 대상 Reeb 그래프의 경로를 원천 Reeb 그래프의 경로와 연결하고, 높이 왜곡을 2δ + 원래 높이로 경계한다.
• FDD가 L∞-노름에 대한 입력 함수의 변화에 대해 3배의 기능적 Gromov-Hausdorff 거리로 상한이 있음을 증명하여, 안정성을 확립한다.
• FDD가 병합 트리에서 통합 거리와 동치임을 보여, 기존 영구적 이론 결과와의 일관성을 입증한다.
• 단순화 전략에 이 프레임워크를 적용하여 영구적 특징의 지속 기간이 ≤ δ인 경우 제거되며, 영구적 특징이 여전히 탐지 가능하다는 것을 증명한다.

실험 결과

연구 질문

• RQ1 입력 함수의 미소 변화에 대해 안정적이면서도 분별력을 유지하는 Reeb 그래프용 거리 측정법을 정의할 수 있는가?
• RQ2 기능적 왜곡 거리는 영구적 진단도, 특히 빔포인트 거리와 어떻게 관련이 있는가?
• RQ3 기능적 왜곡 거리는 병합 트리에서 기존 거리 척도인 통합 거리와 동치인가?
• RQ4 제안된 거리 체계 하에서 Reeb 그래프의 영구적 특징은 단순화 후에도 여전히 영구적인가?
• RQ5 기능적 왜곡 거리는 Reeb 그래프에서 위상적 특징의 안정성을 엄밀하게 경계하는 데 사용될 수 있는가?

주요 결과

• 기능적 왜곡 거리는 일반 및 확장된 영구적 진단도 간의 빔포인트 거리로부터 아래로 유계이며, 이는 영구적 진단도만으로는 보장되지 않는 더 강력한 분별력을 보장한다.
• 기능적 왜곡 거리는 입력 함수의 L∞-노름 변화에 대해 안정적이며, 영구적 진단도와 동일한 안정성 경계를 갖는다.
• 병합 트리에서는 기능적 왜곡 거리가 통합 거리와 동치이며, 이는 존재하는 이론과의 일관성을 입증한다.
• 지속 기간 ≤ δ인 특징을 제거하는 단순화 전략 하에서, 원본과 단순화된 Reeb 그래프의 영구적 진단도 간의 빔포인트 거리는 최대 9δ이다.
• 더 정교한 분석을 통해 빔포인트 거리의 경계가 6δ로 개선되었으며, 원본과 단순화된 Reeb 그래프 간의 FDD는 최대 2δ이다.
• 기능적 왜곡 거리는 실용적 데이터 분석 응용 분야에서 중요하다는 기능 안정성 분석을 위한 엄밀한 프레임워크를 제공한다.